La significancia estadística es un indicador objetivo de si los resultados de un estudio son matemáticamente "reales" y estadísticamente defendibles, en lugar de simplemente una ocurrencia fortuita. Las pruebas de significación de uso común buscan diferencias en las medias de los conjuntos de datos o diferencias en las variaciones de los conjuntos de datos. El tipo de prueba que se aplica depende del tipo de datos que se analizan. Depende de los investigadores determinar qué tan significativos requieren que sean los resultados; en otras palabras, cuánto riesgo están dispuestos a correr de equivocarse. Normalmente, los investigadores están dispuestos a aceptar un nivel de riesgo del 5 por ciento.
Error tipo I: Rechazo incorrecto de la hipótesis nula
•••Scott Rothstein / iStock / Getty Images
Los experimentos se llevan a cabo para probar hipótesis específicas o preguntas experimentales con un resultado esperado. Una hipótesis nula es aquella que no detecta diferencias entre los dos conjuntos de datos que se comparan. En un ensayo médico, por ejemplo, la hipótesis nula podría ser que no hay diferencia en la mejora entre los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo. Si el investigador rechaza erróneamente esta hipótesis nula cuando en realidad es cierta, es decir, si "detecta" una diferencia entre los dos grupos de pacientes cuando realmente no hubo diferencia, entonces han cometido un tipo I error. Los investigadores determinan de antemano cuánto riesgo de cometer un error de Tipo I están dispuestos a aceptar. Este riesgo se basa en un valor p máximo que aceptarán antes de rechazar la hipótesis nula, y se denomina alfa.
Error tipo II: Rechazo incorrecto de la hipótesis alternativa
Una hipótesis alternativa es aquella que detecta una diferencia entre los dos conjuntos de datos que se comparan. En el caso del ensayo médico, esperaría ver diferentes niveles de mejora en los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo. Si los investigadores no rechazan la hipótesis nula cuando deberían, en otras palabras, si "detectan" que no diferencia entre los dos conjuntos de pacientes cuando realmente hubo una diferencia, entonces han cometido un tipo II error.
Determinación del nivel de importancia
Cuando los investigadores realizan una prueba de significación estadística y el valor p resultante es menor que el nivel de riesgo que se considera aceptable, el resultado de la prueba se considera estadísticamente significativo. En este caso, se rechaza la hipótesis nula, la hipótesis de que no hay diferencia entre los dos grupos. En otras palabras, los resultados indican que hay una diferencia en la mejora entre los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo.
Elección de una prueba de significación
Hay varias pruebas estadísticas diferentes para elegir. Una prueba t estándar compara las medias de dos conjuntos de datos, como los datos del fármaco del estudio y los datos del placebo. Se utiliza una prueba t pareada para detectar diferencias en el mismo conjunto de datos, como un estudio de antes y después. Un análisis de varianza de una vía (ANOVA) puede comparar las medias de tres o más conjuntos de datos, y un ANOVA de dos vías compara la medios de dos o más conjuntos de datos en respuesta a dos variables independientes diferentes, como las diferentes fortalezas del estudio droga. Una regresión lineal compara las medias de los conjuntos de datos a lo largo de un gradiente de tratamientos o tiempo. Cada prueba estadística dará como resultado medidas de significancia, o alfa, que se pueden utilizar para interpretar los resultados de la prueba.